基于BTM图卷积网络的短文本分类方法OA北大核心CSCD
Short Text Classification Method Based on BTM Graph Convolutional Network
由于短文本长度较短,在分类时会面临数据稀疏和语义模糊等问题.提出新型图卷积网络BTM_GCN,该网络利用双项主题模型(Biterm Topic Model,BTM)在短文本数据集上训练出固定数量的文档级潜在主题,并作为一种节点嵌入到文本异构图中,再与异构图中的文档节点进行连接,最后利用图卷积网络来捕获文档、词与主题节点之间的高阶邻域信息,从而丰富文档节点的语义信息,缓解短文本语义模糊的问题.在三个英文短文本数据集上的实验结果表明,该方法相比基准模型具有较优的分类效果.
郑诚;董春阳;黄夏炎
安徽大学 计算机科学与技术学院,合肥 230601计算智能与信号处理教育部重点实验室,合肥 230601安徽大学 计算机科学与技术学院,合肥 230601
信息技术与安全科学
短文本分类图卷积网络BTM主题模型
《计算机工程与应用》 2021 (4)
155-160,6
评论